一种基于神经网络和PCA-KNN的高效VR视频压缩方法技术

本发明专利技术公开了一种基于神经网络和PCA‑KNN的高效VR视频压缩方法，涉及VR视频压缩技术领域，本发明专利技术包括如下步骤：S1、VR视频数据预处理；S2、将预处理后的VR视频数据输入Res‑CNN神经网络模型中，得到高维特征向量；S3、利用PCA‑KNN方法对高维特征向量进行降维分类，匹配最优映射模式，本发明专利技术针对不同的VR视频，通过神经网络的迁移特征，利用机器学习的方法分析VR视频的图像纹理特征，进而自适应地选择最优的映射模式，然后用该映射模式对VR视频进行映射后将其进行编码压缩，使得VR视频的编码压缩效率大大提高。

【技术实现步骤摘要】
一种基于神经网络和PCA-KNN的高效VR视频压缩方法
本专利技术涉及VR视频压缩
，更具体的是涉及一种基于神经网络和PCA-KNN的高效VR视频压缩方法。
技术介绍
近年来，随着VR(VirtualReality)技术的发展，为了得到更好的沉浸感体验，对VR视频的清晰度要求也随之上升。VR视频的分辨率从2K到4K甚至达到了8K，而目前的网络带宽达不到直接传输VR视频的要求，所以需要将VR视频进行编码压缩后再进行传输。但目前的视频编码标准都是针对二维视频建立的，所以三维的VR视频需要映射到二维平面后再进行编码传输。三维视频映射到二维平面时会带来一定程度的失真，目前常用的映射方法有CMP(Cubemapprojection)和ERP(Equirectangleprojection)等映射方法，不同的映射方法带来的失真程度也不同，比如ERP映射方法会在两极处过采样，使得越靠近两极采样点失真越大，并且在映射时产生的失真也会对后面的编码压缩过程产生影响。因此，如何实现自适应地选择最佳映射方法来降低编码复杂度，提高VR视频的压缩效率是目前的研究重点。
技术实现思路
本专利技术的目的在于：为了本文档来自技高网...

【技术保护点】
1.一种基于神经网络和PCA‑KNN的高效VR视频压缩方法，其特征在于，包括如下步骤：S1、VR视频数据预处理；S2、将预处理后的VR视频数据输入Res‑CNN神经网络模型中，得到高维特征向量；S3、利用PCA‑KNN方法对高维特征向量进行降维分类，根据预测类别匹配最优映射模式。

【技术特征摘要】
1.一种基于神经网络和PCA-KNN的高效VR视频压缩方法，其特征在于，包括如下步骤：S1、VR视频数据预处理；S2、将预处理后的VR视频数据输入Res-CNN神经网络模型中，得到高维特征向量；S3、利用PCA-KNN方法对高维特征向量进行降维分类，根据预测类别匹配最优映射模式。2.根据权利要求1所述的一种基于神经网络和PCA-KNN的高效VR视频压缩方法，其特征在于，所述S1中对VR视频数据预处理，具体为：S1.1、对VR视频进行插值处理，使VR视频图像的分辨率扩充为224的倍数，得到扩充视频；S1.2、将扩充视频的每帧分割成大小为224×224的块；S1.3、对每个块进行数据增广预处理。3.根据权利要求2所述的一种基于神经网络和PCA-KNN的高效VR视频压缩方法，其特征在于，所述S1.3中的数据增广预处理包括如下步骤：S1.3.1、对每个块进行随机水平翻转；S1.3.2、对随机水平翻转后的块进行随机垂直翻转；S1.3.3、对随机垂直翻转后的块进行颜色抖动处理；S1.3.4、对颜色抖动处理后的块进行随机旋转。4.根据权利要求1所述的一种基于神经网络和PCA-KNN的高效VR视频压缩方法，其特征在于，所述S2中，Res-CNN...

【专利技术属性】
技术研发人员：王文一，张梦，赵丽丽，张汝民，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51